典型文献
混沌粒子群算法-高斯过程回归的SOH估计
文献摘要：
提出基于混沌粒子群算法-高斯过程回归(CPSO-GPR)的铅酸蓄电池健康状态估计方法.首先考察了铅酸蓄电池充电过程的电压电流变化曲线,进行了恒流充电特征的分析对比,建立了铅酸蓄电池恒流充电时间与电池容量衰减的高斯过程回归模型.针对传统的智能算法易陷入局部最优解的问题,将混沌过程引入传统粒子群算法中,增强其优化的广度和深度,形成混沌粒子群算法来优化回归模型中的超参数,从而获得更高质量的超参数解,以提高回归模型的预测精度.两种算法相协同,形成了CPSO-GPR算法.实验结果表明,该算法能够实现对铅酸蓄电池健康状态的精准估计和在线监测,对新数据点的估计精度在3％以内.
文献关键词：
混沌粒子群算法;铅酸蓄电池;SOH估计;储能
中图分类号：
作者姓名：
丁一;刘盛终;王旭东;霍现旭;胡志刚;姜帆
作者机构：
国网天津市电力公司电力科学研究院,天津 300384;国网天津市电力公司,天津300010;国网天津市电力公司城东供电分公司,天津 300250;国网天津市电力公司蓟州供电分公司,天津 301900
文献出处：
引用格式：
[1]丁一;刘盛终;王旭东;霍现旭;胡志刚;姜帆-.混沌粒子群算法-高斯过程回归的SOH估计)[J].电气传动,2022(10):70-75
A类：
B类：
混沌粒子群算法,高斯过程回归,SOH,CPSO,GPR,铅酸蓄电池,电池健康状态,健康状态估计,估计方法,先考,电池充电,充电过程,电压电流,电流变化,恒流充电,分析对比,充电时间,电池容量,容量衰减,智能算法,局部最优解,超参数,更高质量,精准估计,在线监测,新数据,据点,估计精度
AB值：
0.255585
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
